基于分层行为仲裁机制的自动驾驶车辆决策方法
机器人学
2021-02-08 v4
摘要
行为规划与决策是高度自动化系统面临的最大挑战之一。全自动驾驶车辆(AV)面临大量战术与策略层面的选择。大多数最先进的AV平台使用有限状态机来实现战术与策略行为生成,但这通常导致可解释性、可维护性和可扩展性较差。机器人学领域的研究提出了许多架构来缓解这些问题,其中最有意思的是基于行为的系统及其混合衍生架构。受这些方法的启发,我们提出了一种用于自动驾驶中战术与策略行为生成的分层基于行为的架构。它是一个通用且可扩展的决策框架,利用模块化行为块以自底向上的方式组合出更复杂的行为。该系统能够将多种针对特定场景与方法论的解决方案(如POMDPs、RRT*或基于学习的行为)整合到一个可理解且可追溯的架构中。我们扩展了分层基于行为的仲裁概念,以应对多个行为选项均适用但彼此间无明确优先级的情形。随后,我们构建了面向城市与高速公路环境的自动驾驶行为生成栈,并纳入泊车与紧急行为。最后,我们通过解释性评估说明了我们的设计。
引用
@article{arxiv.2003.01149,
title = {Decision-Making for Automated Vehicles Using a Hierarchical Behavior-Based Arbitration Scheme},
author = {Piotr Franciszek Orzechowski and Christoph Burger and Martin Lauer},
journal= {arXiv preprint arXiv:2003.01149},
year = {2021}
}